ADaM Lab

应用数据挖掘和机器学习实验室

研究方向

  • 非语义特征

    研究围绕人与模型的感知、认知差异,主要研究内容包括对抗隐私保护,多模态预训练模型对抗鲁棒性,数据和模型角度下非语义信息的认识、挖掘及利用。

  • 多模态基础模型

    研究多模态基础模型的可信问题以确保其在真实世界中能够被有效地部署与使用,包括鲁棒性,公平性,隐私性,毒害性等问题。

  • 用户建模

    知识驱动的高效可靠用户建模、可信赖用户建模、序列推荐、对话推荐系统

  • 算法测试调试

    模型可信赖测试、诊断、调试及推断可信赖度评估

  • 预训练知识挖掘

    社会事件表示学习(事件文本表示学习、事件图谱构建、事件模式图归纳)、社会事件分析(热点事件检测与追踪,产业链风险事件监控)、社会事件观点挖掘

关于我们

北京交通大学ADaM应用数据挖掘与机器学习实验室,于2018年成立,主要从事计算机视觉、自然语言处理、数据挖掘等前沿研究,包括的具体方向有非语义特征、多模态基础模型、可靠用户建模、智能算法测试、预训练模型知识挖掘。近几年来,实验室取得了多方面的研究成果,团队成员多次在CVPR、ACL、TOIS、MM、AAAI、IJCAI等高水平国际会议,及高水平期刊上发表研究成果。实验室现有导师两名,博士生9名,硕士研究生二十余名,分工明确,结构合理,构成具有较强科研实力的科研队伍。自实验室成立来,与其他高校及机构保持交流,建立了良好的合作关系。

桑基韬

桑基韬,北京交通大学计算机学院教授,东南大学学士、中科院自动化研究所博士。2012-2017年在模式识别国家重点实验室工作,2017年入选北京交通大学“卓越百人”计划。曾获中科院院长特别奖、中科院百篇优博、CCF优秀博士论文提名、ACM中国新星奖等。主要研究方向为社会多媒体计算、多源数据挖掘、可信赖机器学习等。已出版英文专著一部,第一/第二作者的相关工作7次获得中国计算机学会推荐国际会议的论文奖项。作为负责人先后主持国家自然科学基金重点项目、国家重点研发计划课题、北京市杰出青年基金等,以第二完成人获得中国电子学会自然科学一等奖和北京市科学技术奖。

黄晓雯

黄晓雯,副教授、硕士生导师,中国科学院自动化研究所博士,主要研究方向为多媒体计算、数据挖掘、用户建模、推荐系统等。目前于国内外学术会议/期刊上发表学术论文二十余篇,其中包括ACM Multimedia、CVPR、WWW、TPAMI、ACM TOIS、IEEE TKDE、ACM TOMM、IEEE Multimedia、计算机学报、软件学报等国内外顶级会议/期刊;已授权发明专利2项;2017和2019年两次在国际学术竞赛中获奖;主持国家自然科学基金青年基金、国家重点研发计划青年科学家项目任务,参与国家自然科学基金重点项目、国家重点研发计划、新一代人工智能重大项目课题、北京市杰青项目等多项科研项目;获“北京市优秀指导教师”称号。

  • 0

    所有学生
  • 0

    在读博士生
  • 0

    在读硕士生
  • 0

    毕业生

最新科研成果

Echoes: Unsupervised Debiasing via Pseudo-bias Labeling in an Echo Chamber
Rui Hu, Yahan Tu, Jitao Sang*
ACM International Conference on Multimedia, ACM MM 2023
[PDF] [Code] [公众号] [详情]

Benign Shortcut for Debiasing: Fair Visual Recognition via Intervention with Shortcut Features
Yi Zhang, Jitao Sang, Junyang Wang, Dongmei Jiang, Yaowei Wang
ACM International Conference on Multimedia, ACM MM 2023
[PDF] [Code] [公众号] [详情]

Improved Visual Fine-tuning with Natural Language Supervision
Junyang Wang, Yuanhong Xu, Juhua Hu, Ming Yan, Jitao Sang, Qi Yan
International Conference on Computer Vision, ICCV 2023
[PDF] [Code] [公众号] [详情]

Towards Alleviating the Object Bias in Prompt Tuning-based Factual Knowledge Extraction
Yuhang Wang, Dongyuan Lu, Chao Kong, Jitao Sang*
Annual Meeting of the Association for Computational Linguistics,ACL 2023 findings
[PDF] [Code] [公众号] [详情]

GIF Loader

机器学习开源算法平台现在使用

机器学习开源算法平台由北京交通大学应用数据挖掘与机器学习实验室开发。它总结了经典和最新的开源算法并提供了可视化工具,包括图像分类、目标检测、图像分割、数字水印、图像增强、风格迁移、用户心理画像等任务。

团队建设